이 튜토리얼은 고양이와 개를 구별하기 위해 이미지 분류 모델을 훈련시키기 위해 Fastai 라이브러리를 사용하는 방법을 보여줍니다. 우리는 데이터 준비에서 모델 교육 및 사용에 이르기까지 점차적으로 수행 할 것입니다.
1 단계 : 데이터 준비
이미지 검색 기능 : 우선, Duckduckgo 검색 엔진에서 이미지를 검색하기위한 함수를 정의합니다. 이 함수는 키워드와 최대 이미지를 입력으로 허용하고 이미지 URL 목록을 반환합니다.
<code class="language-python">import os iskaggle = os.environ.get('KAGGLE_KERNEL_RUN_TYPE', '') if iskaggle: !pip install -Uqq fastai 'duckduckgo_search>=6.2' from duckduckgo_search import DDGS from fastcore.all import * import time, json def search_images(keywords, max_images=200): return L(DDGS().images(keywords, max_results=max_images)).itemgot('image')</code>
<code class="language-python">urls = search_images('dog photos', max_images=1) from fastdownload import download_url dest = 'dog.jpg' download_url(urls[0], dest, show_progress=False) from fastai.vision.all import * im = Image.open(dest) im.to_thumb(256,256)</code>
잘못된 이미지 청소 : 다운로드가 실패하거나 손상된 사진을 삭제합니다.
2 단계 : 모델 훈련
<code class="language-python">download_url(search_images('cat photos', max_images=1)[0], 'cat.jpg', show_progress=False) Image.open('cat.jpg').to_thumb(256,256)</code>
DataLoader 작성 :
사용 이미지 데이터를로드하고 처리하기 위해 Dataloader를 작성하십시오.dog_or_not/dog
미세한 사전 트레이닝 모델 : dog_or_not/cat
사전 -훈련 된 RESNET50 모델과 데이터 세트에서 미세 조정을 사용하십시오. <code class="language-python">searches = 'dog', 'cat' path = Path('dog_or_not') for o in searches: dest = (path/o) dest.mkdir(exist_ok=True, parents=True) download_images(dest, urls=search_images(f'{o} photo')) time.sleep(5) resize_images(path/o, max_size=400, dest=path/o)</code>
<code class="language-python">failed = verify_images(get_image_files(path)) failed.map(Path.unlink)</code>
이 자습서는 FastAi를 사용하여 간단한 이미지 분류 모델을 신속하게 구축하는 방법을 보여줍니다. 모델의 정확도는 교육 데이터의 품질과 양에 따라 다릅니다.
위 내용은 Kaggle에서 내 데이터에서 모델을 만드는 방법의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!